Seed 2.0 Mini är ByteDance Seeds lilla modellalternativ i Seed2.0-serien. Tillverkaren utvecklar Mini för applikationer som kräver hög genomströmning och låg latens, samtidigt som familjens språk- och bildförmågor behålls. Indata är en skriftlig uppgift med relevant källmaterial, inklusive bilder eller video som stöds; utdata är text såsom ett svar, en klassificering, en extraherad post eller en föreslagen verktygsåtgärd.
Mini är användbar när en applikation ber modellen utföra en tydlig åtgärd upprepade gånger: identifiera ett problem i kundåterkoppling, extrahera fält från ett dokument, förklara en produktdetalj eller skriva om ett avsnitt för en viss målgrupp. Tillhandahåll fältdefinitionerna och ett litet exempel som visar den avsedda betydelsen. Förklara hur ett saknat värde ska representeras och vilka ursprungliga namn eller enheter som måste förbli oförändrade.
För bearbetning av återkoppling är en illustrativ beskrivning: ”Identifiera användarens huvudproblem, tilldela en av dessa problemkategorier och citera meningen som stödjer valet. Om ingen passar, förklara vilken kategori som saknas.” Det förväntade resultatet är en kort, granskningsbar post som kopplar ett beslut till de faktiska indata. Det är en bättre uppgiftsspecifikation än en begäran om att analysera allt utan att identifiera användningen i nästa led.
Tillverkaren utvärderar Mini inom Seed2.0-familjen för bild- och videoförståelse. Uppgifter med blandade medier kan kombinera den skriftliga frågan med ett diagram, en sidbild eller en synlig sekvens. Håll tabellrubriker och axeletiketter läsbara, numrera flera indata och ange vad som ska jämföras. För en video, beskriv segmentet och förändringen eller handlingen som ska förklaras och be sedan om en textuell redogörelse förankrad i segmentet.
Familjens inriktning mot strukturerad extraktion hjälper till att förbereda information för en applikation, men ett välformat svar måste fortfarande stämma överens med källan. Be modellen skilja ett synligt värde från en härledd tolkning. När en detalj inte går att läsa, bevara den osäkerheten i resultatet i stället för att ersätta den med ett förväntat värde.
Den dokumenterade Mini-profilen stödjer djupa resonemang, textgenerering, strukturerade utdata och verktygsanvändning. Ett tillverkarflöde kan skilja resonemangsinnehåll från slutsvaret; slutsvaret ska följa de begärda fälten eller prosaformatet. När verktyg ingår tillhandahåller applikationen deras definitioner, utför den valda åtgärden och returnerar observationen. En föreslagen sökning eller filåtgärd skiljer sig från ett slutfört resultat.
För en liten uppgift i flera steg, identifiera de tillåtna åtgärderna och punkten där uppgiften är klar. Håll relevanta observationer kortfattade så att nästa tur behåller beläggen som behövs för beslutet. Använd faktiska returnerade data för att revidera svaret och begär den slutliga artefakten uttryckligen.
Tillverkarens publicerade Mini-profil har en kontext på 256K och upp till 128K token i sammanlagda utdata inklusive resonemang. Den exakta indatabudgeten beror på det dokumenterade arbetsflödet och revisionen; källan, historiken, verktygssvaren och det genererade svaret måste rymmas tillsammans. Den mindre utgåvan är ett val för arbetsbelastningen snarare än en garanti för att varje öppen uppgift kan slutföras i en omgång. Pröva resultatet mot fälten, beläggen och beteendet som angetts för uppgiften och håll Mini åtskild från Lite, Pro och efterföljande Seed-versioner.
", "aboutText": "Seed 2.0 Mini är ByteDance Seeds lilla modellalternativ i Seed2.0-serien. Tillverkaren utvecklar Mini för applikationer som kräver hög genomströmning och låg latens, samtidigt som familjens språk- och bildförmågor behålls. Indata är en skriftlig uppgift med relevant källmaterial, inklusive bilder eller video som stöds; utdata är text såsom ett svar, en klassificering, en extraherad post eller en föreslagen verktygsåtgärd.\n\n### Återkommande uppgifter med ett definierat resultat\n\nMini är användbar när en applikation ber modellen utföra en tydlig åtgärd upprepade gånger: identifiera ett problem i kundåterkoppling, extrahera fält från ett dokument, förklara en produktdetalj eller skriva om ett avsnitt för en viss målgrupp. Tillhandahåll fältdefinitionerna och ett litet exempel som visar den avsedda betydelsen. Förklara hur ett saknat värde ska representeras och vilka ursprungliga namn eller enheter som måste förbli oförändrade.\n\nFör bearbetning av återkoppling är en illustrativ beskrivning: ”Identifiera användarens huvudproblem, tilldela en av dessa problemkategorier och citera meningen som stödjer valet. Om ingen passar, förklara vilken kategori som saknas.” Det förväntade resultatet är en kort, granskningsbar post som kopplar ett beslut till de faktiska indata. Det är en bättre uppgiftsspecifikation än en begäran om att analysera allt utan att identifiera användningen i nästa led.\n\n### Bilder och video som belägg\n\nTillverkaren utvärderar Mini inom Seed2.0-familjen för bild- och videoförståelse. Uppgifter med blandade medier kan kombinera den skriftliga frågan med ett diagram, en sidbild eller en synlig sekvens. Håll tabellrubriker och axeletiketter läsbara, numrera flera indata och ange vad som ska jämföras. För en video, beskriv segmentet och förändringen eller handlingen som ska förklaras och be sedan om en textuell redogörelse förankrad i segmentet.\n\nFamiljens inriktning mot strukturerad extraktion hjälper till att förbereda information för en applikation, men ett välformat svar måste fortfarande stämma överens med källan. Be modellen skilja ett synligt värde från en härledd tolkning. När en detalj inte går att läsa, bevara den osäkerheten i resultatet i stället för att ersätta den med ett förväntat värde.\n\n### Resonemang och verktygsstyrda uppgifter\n\nDen dokumenterade Mini-profilen stödjer djupa resonemang, textgenerering, strukturerade utdata och verktygsanvändning. Ett tillverkarflöde kan skilja resonemangsinnehåll från slutsvaret; slutsvaret ska följa de begärda fälten eller prosaformatet. När verktyg ingår tillhandahåller applikationen deras definitioner, utför den valda åtgärden och returnerar observationen. En föreslagen sökning eller filåtgärd skiljer sig från ett slutfört resultat.\n\nFör en liten uppgift i flera steg, identifiera de tillåtna åtgärderna och punkten där uppgiften är klar. Håll relevanta observationer kortfattade så att nästa tur behåller beläggen som behövs för beslutet. Använd faktiska returnerade data för att revidera svaret och begär den slutliga artefakten uttryckligen.\n\n### Gränser och utgåvans omfattning\n\nTillverkarens publicerade Mini-profil har en kontext på 256K och upp till 128K token i sammanlagda utdata inklusive resonemang. Den exakta indatabudgeten beror på det dokumenterade arbetsflödet och revisionen; källan, historiken, verktygssvaren och det genererade svaret måste rymmas tillsammans. Den mindre utgåvan är ett val för arbetsbelastningen snarare än en garanti för att varje öppen uppgift kan slutföras i en omgång. Pröva resultatet mot fälten, beläggen och beteendet som angetts för uppgiften och håll Mini åtskild från Lite, Pro och efterföljande Seed-versioner.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Extract a delivery complaint\n\nExtract a compact record from this message: Order K42 arrived on Monday, but one of the two bottles was leaking. I have not contacted the courier. Return order_id, issue, affected_quantity and supporting_quote. Use null for any missing field. Preserve the order identifier exactly and do not infer a refund request.A four-field record: order_id, issue, affected_quantity, supporting_quote. Missing values use null.Check that affected_quantity is one, K42 is preserved and the quoted evidence comes from the message.bytedance-seed/seed-2.0-miniSeed 2.0 Mini är den lilla Seed2.0-utgåvan för snabb assistans och återkommande informationsbearbetning. Den kombinerar text- och bildförståelse med resonemang och verktygsflöden och returnerar svar eller strukturerad text inom en tillverkarkontext på 256K.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Seed 2.0 Mini är ByteDance Seeds lilla modellalternativ i Seed2.0-serien. Tillverkaren utvecklar Mini för applikationer som kräver hög genomströmning och låg latens, samtidigt som familjens språk- och bildförmågor behålls. Indata är en skriftlig uppgift med relevant källmaterial, inklusive bilder eller video som stöds; utdata är text såsom ett svar, en klassificering, en extraherad post eller en föreslagen verktygsåtgärd.
Mini är användbar när en applikation ber modellen utföra en tydlig åtgärd upprepade gånger: identifiera ett problem i kundåterkoppling, extrahera fält från ett dokument, förklara en produktdetalj eller skriva om ett avsnitt för en viss målgrupp. Tillhandahåll fältdefinitionerna och ett litet exempel som visar den avsedda betydelsen. Förklara hur ett saknat värde ska representeras och vilka ursprungliga namn eller enheter som måste förbli oförändrade.
För bearbetning av återkoppling är en illustrativ beskrivning: ”Identifiera användarens huvudproblem, tilldela en av dessa problemkategorier och citera meningen som stödjer valet. Om ingen passar, förklara vilken kategori som saknas.” Det förväntade resultatet är en kort, granskningsbar post som kopplar ett beslut till de faktiska indata. Det är en bättre uppgiftsspecifikation än en begäran om att analysera allt utan att identifiera användningen i nästa led.
Tillverkaren utvärderar Mini inom Seed2.0-familjen för bild- och videoförståelse. Uppgifter med blandade medier kan kombinera den skriftliga frågan med ett diagram, en sidbild eller en synlig sekvens. Håll tabellrubriker och axeletiketter läsbara, numrera flera indata och ange vad som ska jämföras. För en video, beskriv segmentet och förändringen eller handlingen som ska förklaras och be sedan om en textuell redogörelse förankrad i segmentet.
Familjens inriktning mot strukturerad extraktion hjälper till att förbereda information för en applikation, men ett välformat svar måste fortfarande stämma överens med källan. Be modellen skilja ett synligt värde från en härledd tolkning. När en detalj inte går att läsa, bevara den osäkerheten i resultatet i stället för att ersätta den med ett förväntat värde.
Den dokumenterade Mini-profilen stödjer djupa resonemang, textgenerering, strukturerade utdata och verktygsanvändning. Ett tillverkarflöde kan skilja resonemangsinnehåll från slutsvaret; slutsvaret ska följa de begärda fälten eller prosaformatet. När verktyg ingår tillhandahåller applikationen deras definitioner, utför den valda åtgärden och returnerar observationen. En föreslagen sökning eller filåtgärd skiljer sig från ett slutfört resultat.
För en liten uppgift i flera steg, identifiera de tillåtna åtgärderna och punkten där uppgiften är klar. Håll relevanta observationer kortfattade så att nästa tur behåller beläggen som behövs för beslutet. Använd faktiska returnerade data för att revidera svaret och begär den slutliga artefakten uttryckligen.
Tillverkarens publicerade Mini-profil har en kontext på 256K och upp till 128K token i sammanlagda utdata inklusive resonemang. Den exakta indatabudgeten beror på det dokumenterade arbetsflödet och revisionen; källan, historiken, verktygssvaren och det genererade svaret måste rymmas tillsammans. Den mindre utgåvan är ett val för arbetsbelastningen snarare än en garanti för att varje öppen uppgift kan slutföras i en omgång. Pröva resultatet mot fälten, beläggen och beteendet som angetts för uppgiften och håll Mini åtskild från Lite, Pro och efterföljande Seed-versioner.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser bytedance-seed/seed-2.0-mini | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med128 000 | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än128 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0016 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "bytedance-seed/seed-2.0-mini", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='bytedance-seed/seed-2.0-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='bytedance-seed/seed-2.0-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra bytedance-seed/seed-2.0-mini
Använd metodsökvägarna som visas ovan.
bytedance-seed/seed-2.0-miniSeed 2.0 Mini är den lilla Seed2.0-utgåvan för snabb assistans och återkommande informationsbearbetning. Den kombinerar text- och bildförståelse med resonemang och verktygsflöden och returnerar svar eller strukturerad text inom en tillverkarkontext på 256K.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Seed 2.0 Mini är ByteDance Seeds lilla modellalternativ i Seed2.0-serien. Tillverkaren utvecklar Mini för applikationer som kräver hög genomströmning och låg latens, samtidigt som familjens språk- och bildförmågor behålls. Indata är en skriftlig uppgift med relevant källmaterial, inklusive bilder eller video som stöds; utdata är text såsom ett svar, en klassificering, en extraherad post eller en föreslagen verktygsåtgärd.
Mini är användbar när en applikation ber modellen utföra en tydlig åtgärd upprepade gånger: identifiera ett problem i kundåterkoppling, extrahera fält från ett dokument, förklara en produktdetalj eller skriva om ett avsnitt för en viss målgrupp. Tillhandahåll fältdefinitionerna och ett litet exempel som visar den avsedda betydelsen. Förklara hur ett saknat värde ska representeras och vilka ursprungliga namn eller enheter som måste förbli oförändrade.
För bearbetning av återkoppling är en illustrativ beskrivning: ”Identifiera användarens huvudproblem, tilldela en av dessa problemkategorier och citera meningen som stödjer valet. Om ingen passar, förklara vilken kategori som saknas.” Det förväntade resultatet är en kort, granskningsbar post som kopplar ett beslut till de faktiska indata. Det är en bättre uppgiftsspecifikation än en begäran om att analysera allt utan att identifiera användningen i nästa led.
Tillverkaren utvärderar Mini inom Seed2.0-familjen för bild- och videoförståelse. Uppgifter med blandade medier kan kombinera den skriftliga frågan med ett diagram, en sidbild eller en synlig sekvens. Håll tabellrubriker och axeletiketter läsbara, numrera flera indata och ange vad som ska jämföras. För en video, beskriv segmentet och förändringen eller handlingen som ska förklaras och be sedan om en textuell redogörelse förankrad i segmentet.
Familjens inriktning mot strukturerad extraktion hjälper till att förbereda information för en applikation, men ett välformat svar måste fortfarande stämma överens med källan. Be modellen skilja ett synligt värde från en härledd tolkning. När en detalj inte går att läsa, bevara den osäkerheten i resultatet i stället för att ersätta den med ett förväntat värde.
Den dokumenterade Mini-profilen stödjer djupa resonemang, textgenerering, strukturerade utdata och verktygsanvändning. Ett tillverkarflöde kan skilja resonemangsinnehåll från slutsvaret; slutsvaret ska följa de begärda fälten eller prosaformatet. När verktyg ingår tillhandahåller applikationen deras definitioner, utför den valda åtgärden och returnerar observationen. En föreslagen sökning eller filåtgärd skiljer sig från ett slutfört resultat.
För en liten uppgift i flera steg, identifiera de tillåtna åtgärderna och punkten där uppgiften är klar. Håll relevanta observationer kortfattade så att nästa tur behåller beläggen som behövs för beslutet. Använd faktiska returnerade data för att revidera svaret och begär den slutliga artefakten uttryckligen.
Tillverkarens publicerade Mini-profil har en kontext på 256K och upp till 128K token i sammanlagda utdata inklusive resonemang. Den exakta indatabudgeten beror på det dokumenterade arbetsflödet och revisionen; källan, historiken, verktygssvaren och det genererade svaret måste rymmas tillsammans. Den mindre utgåvan är ett val för arbetsbelastningen snarare än en garanti för att varje öppen uppgift kan slutföras i en omgång. Pröva resultatet mot fälten, beläggen och beteendet som angetts för uppgiften och håll Mini åtskild från Lite, Pro och efterföljande Seed-versioner.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser bytedance-seed/seed-2.0-mini | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med128 000 | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än128 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0016 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "bytedance-seed/seed-2.0-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'bytedance-seed/seed-2.0-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'bytedance-seed/seed-2.0-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra bytedance-seed/seed-2.0-mini
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Extract a delivery complaint\n\nExtract a compact record from this message: Order K42 arrived on Monday, but one of the two bottles was leaking. I have not contacted the courier. Return order_id, issue, affected_quantity and supporting_quote. Use null for any missing field. Preserve the order identifier exactly and do not infer a refund request.A four-field record: order_id, issue, affected_quantity, supporting_quote. Missing values use null.Check that affected_quantity is one, K42 is preserved and the quoted evidence comes from the message.